Хотя существуют и другие системы распознавания объектов, алгоритм Evolution-Constructed Features примечателен тем, что он сам решает, какие функции объекта имеют большее значение для его идентификации и способен осваивать новые объекты без вмешательства человека. Исследователи говорят, что в отличие от других методов, этот не требует перенастройки или переработки для различных задач.
Большинство других алгоритмов, по словам доктора Ли (Dah-Jye Lee), профессора факультета электро- и компьютерной техники BYU, требуют массу тонких настроек параметров и методов для достижения их максимальной точности, в то время как алгоритм Evolution-Constructed Features в этом не нуждается. Алгоритм достиг уже 100 процентов в опознании мотоцикла, лица, самолета и автомобиля на изображениях базы данных, предоставленных Калифорнийским технологическим институтом.
База данных Калифорнийского технологического института используется для сравнения алгоритма с другими подобными исследованиями, «удачно работающими выпущенными системами распознавания объектов", прошедшими тесты на 95-98 процентов.
Ли и его команда предполагают, что алгоритм может быть использован в приложениях, таких как обнаружение инвазивных видов рыб или идентификация дефектов в продукции, например, в яблоках. С этой целью было также показано, что алгоритм распознал 99,4 процента видов рыб на изображениях отдела биологии BYU.
"Кто знает, может в один прекрасный день, когда вычислительная мощность вычислительных платформ увеличится и будет на ровне с человеческим мозгом, мы сможем увидеть настоящий прорыв".
Комментарии: